論文の概要: Flight-Ready LiDAR-Inertial Odometry for Embedded Drone Platforms
- arxiv url: http://arxiv.org/abs/2607.22145v1
- Date: Fri, 24 Jul 2026 09:44:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:57.095157
- Title: Flight-Ready LiDAR-Inertial Odometry for Embedded Drone Platforms
- Title（参考訳）: 飛行可能なLiDAR-組み込みドローンプラットフォームのための慣性オドメトリー
- Abstract要約: オープンソースのLiDAR慣性オドメトリーシステムは、目覚ましいベンチマーク精度を達成した。
現在の最先端の実装は主に評価性能に最適化されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open-source LiDAR-inertial odometry (LIO) systems have achieved remarkable benchmark accuracy, yet current state-of-the-art implementations are primarily optimized for evaluation performance rather than the requirements of real-time closed-loop aerial control. When deployed onboard UAVs, this can introduce limitations that degrade flight performance. In this work, we identify five architectural deficiencies in a representative tightly coupled IESKF-based LIO implementation: odometry publishing tied to the LiDAR rate (10 Hz instead of the IMU's 200 Hz), missing velocity outputs, execution bottlenecks that block IMU processing, mutex contention, and synchronization race conditions. We introduce corresponding modifications including IMU-rate forward propagation, direct body-frame velocity publishing, SLERP-based smoothing, dual-executor isolation, and explicit synchronization protection. The resulting system increases odometry output from ~10 Hz to a stable 200 Hz, provides a complete Twist state at every IMU sample, and preserves continuity during transient LiDAR loss. Experiments on a Livox Mid-360 / Pixhawk 4 Mini autonomous UAV with motion-capture ground truth validate the approach. Since the underlying estimator (IESKF + ikd-Tree) remains unchanged, the proposed improvements can be directly applied to FAST-LIO2-derived implementations.
- Abstract（参考訳）: オープンソースのLiDAR-inertial odometry (LIO) システムは、ベンチマークの精度は著しく向上しているが、現在の最先端の実装は、リアルタイム閉ループ航空制御の要求よりも、主に評価性能に最適化されている。
UAVに配備された場合、これは飛行性能を低下させる制限を導入する可能性がある。
本研究では,IESKF をベースとした LIO 実装において,LiDAR レート (IMU の 200 Hz ではなく 10 Hz) に関連付けられたドメトリーパブリッシング,速度出力の欠如,IMU 処理をブロックする実行ボトルネック,ミューテックス競合,同期競合条件の5つのアーキテクチャ欠陥を同定する。
我々は、IMUレート転送、直接ボディフレーム速度パブリッシング、SLERPベースの平滑化、デュアルエグゼクタアイソレーション、明示的な同期保護など、対応する修正を導入する。
このシステムは10Hzから200Hzまでの出力を安定させ、全てのIMUサンプルで完全なTwist状態を提供し、過渡的なLiDAR損失の継続性を維持する。
Livox Mid-360 / Pixhawk 4 Mini autonomous UAV with motion-capture ground truth 実験は、このアプローチを検証する。
基礎となる推定器(IESKF + ikd-Tree)は変化しないため、提案された改善はFAST-LIO2系の実装に直接適用することができる。
関連論文リスト
- EVA-0: Test-Time Model Evolution with Only Two Forward Passes per Sample [55.284129005947484]
厳格な2方向予算の下でテスト時間モデルの進化について検討する。
ゼロオーダーテストタイム最適化における3つの重要な障害を明らかにする。
最小零階適応フレームワーク EVA-0 を提案する。
論文 参考訳（メタデータ） (2026-05-15T09:26:02Z) - PVRF: All-in-one Adverse Weather Removal via Prior-modulated and Velocity-constrained Rectified Flow [69.40969296005794]
そこで本研究では,ゼロショット型軟弱感と速度制約付き整流補正を統合した統合フレームワークを提案する。
PVRFは、最先端のベースラインよりも忠実さと知覚品質の両方を改善する。
論文 参考訳（メタデータ） (2026-05-13T19:07:14Z) - Galilean State Estimation for Inertial Navigation Systems with Unknown Time Delay [27.48917642274488]
商用グレードの受信機は、センサーの品質や動作モードに応じて、50msから300msまでの未知の測定遅延を導入する。
既存のアルゴリズムでは、この遅延をオフラインで推定し、バッファリングされた慣性測定ユニット(IMU)データを用いてフィルタを同時に実行している。
本稿では,時間遅延INSをモデル化するための新しい幾何学的枠組みを提案する。
論文 参考訳（メタデータ） (2026-05-13T09:46:18Z) - An Asynchronous Two-Speed Kalman Filter for Real-Time UUV Cooperative Navigation Under Acoustic Delays [22.41476754687808]
無人水中車両(UUV)は、無人水中車両(UUV)が致命的な漂流に悩まされる。
拡張カルマンフィルタ (EKF) やアンセントカルマンフィルタ (Unscented Kalman Filters, UKF) のような従来のフィルタは、遅延したデータを待っている間、主制御ループをブロックする。
変分履歴蒸留(VHD)と呼ばれる新しいプロジェクション機構により強化された非同期2速カルマンフィルタ(T)を提案する。
論文 参考訳（メタデータ） (2026-04-03T08:43:25Z) - Consistent and Efficient MSCKF-based LiDAR-Inertial Odometry with Inferred Cluster-to-Plane Constraints for UAVs [46.21996481591401]
本稿では,UAVに適した一貫した,効率的なLiDAR-Inertial Odometryフレームワークを提案する。
スライディングウインドウのコプラナー制約にヌル空間プロジェクションを適用することにより、状態ベクトルにおける特徴パラメータへの直接依存を排除できる。
退化シナリオにおける堅牢性の向上,マップのない性質によるメモリ使用量の最小化,リソース制約の組込みプラットフォーム上でのリアルタイム実行などを実現している。
論文 参考訳（メタデータ） (2026-03-13T11:09:50Z) - Robust Tightly-Coupled Filter-Based Monocular Visual-Inertial State Estimation and Graph-Based Evaluation for Autonomous Drone Racing [5.29147071389637]
自律型ドローンレースのための堅牢な視覚-慣性推定フレームワークを提案する。
ADR-VINS は平均 RMS 変換 0.134 m, ADR-FGO は 0.060 m である。
最後に,ADR-FGOによる飛行後評価について述べる。
論文 参考訳（メタデータ） (2026-03-03T08:43:49Z) - FAR-AVIO: Fast and Robust Schur-Complement Based Acoustic-Visual-Inertial Fusion Odometry with Sensor Calibration [7.394651310128268]
水中ロボットに適した音響・視覚・慣性計測フレームワークであるFAR-AVIOについて述べる。
私たちの実装はhttps://far-vido.gitbook.io/far-vido-docs.comでオープンソースソフトウェアとしてリリースされました。
論文 参考訳（メタデータ） (2025-12-23T13:36:47Z) - FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems [51.15230303652732]
FLEX (F Low Expert) は、時間物理系の生成モデリングのためのバックボーンアーキテクチャである。
拡散モデルにおける速度場の分散を低減し、トレーニングの安定化に役立つ。
少数の特徴を2つの逆拡散ステップとして用いて、超解像および予測タスクの正確な予測を行う。
論文 参考訳（メタデータ） (2025-05-23T00:07:59Z) - FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。
非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。
条件設定では、太陽予測において優れた性能を達成している。
論文 参考訳（メタデータ） (2024-11-12T03:03:23Z) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。